彩神彩票|-(中国)360百科

台湾奶茶店店主：春节不打烊 续一杯“台湾味”******

　　(新春见闻)台湾奶茶店店主：春节不打烊 续一杯“台湾味”

　　中新社成都1月19日电 题：台湾奶茶店店主：春节不打烊 续一杯“台湾味”

　　中新社记者 王鹏

　　腊月二十八一大早，台湾青年陈韵如来到位于成都市郫都区的奶茶店，开始准备一天的食材。“今年春节我们不关店，就是要趁这段时间增加曝光。”制作茶冻的间隙，她向记者解释不回台过年的缘由。

　　今年31岁的陈韵如大学毕业后就来大陆闯荡，先后去过厦门、泉州、深圳、广州、桂林、南宁等多个城市。2019年，她看准大陆西南的发展机会，来成都创业。

　　“台湾青年要在大陆扎根，先要深度了解一个地方。”笑称“在社会上呛过水”的陈韵如，有着自己的“生意经”。她来成都后首站到访成都市规划馆，了解发展方向，“这是大陆很特别的一个地方，每个城市都有自己的规划馆”。

　　作为世界美食之都，成都很重视餐饮服务业发展。看到这一点并考察市场后，陈韵如入驻亚台青(成都)海峡青年创业园，开创了台湾奶茶品牌“紫气茶来”。借着成渝地区双城经济圈建设的东风，她还将奶茶店开到了重庆。

　　进入奶茶行业，陈韵如有自己的底气——台湾奶茶行业发达，自己家在新北经营一家茶园。她将四川元素与台湾奶茶融合，原材料来自台湾，制作纯正的台湾风味手工奶茶，让成都人感受台湾饮食文化。

　　“他们的奶茶真的跟其他店不一样，在成都能喝到纯正的台湾味道，很开心。”捧着一杯“熊猫duai duai奶茶”，成都市民肖雨说，虽没去过台湾，但有机会一定会去，“到台北夜市尝小吃喝奶茶”。

　　记者注意到，许多来奶茶店的顾客，都会被这款“熊猫duai duai奶茶”吸引。陈韵如特意解释，“duai”是台湾发音，意为“Q弹”，这款奶茶将黑色茶冻做成大熊猫的模样，配上白色牛奶，“口感丰富，又有趣味”。

　　近年实体餐饮因新冠疫情受到冲击，陈韵如无奈关闭了重庆的店面，立足成都本地，在坚持中“活了下来”。自2022年12月大陆优化疫情防控政策后，生意越来越好。于是她决定，今年春节不回台湾与家人团聚，利用假期进一步推广品牌。

　　“台湾有句老话叫‘戏棚下站得久了就有你的位置’，意思是哪怕暂时没位置，但是你站久了，坐在你前面的人总会离开，就会轮到你。”陈韵如说，疫情期间，自己与合作伙伴一起磨合，积累经验，目标就是要“扎根坚持住”。

　　“虽然过去几年因为疫情没有赚很多钱，但我们能‘活’下来，就是最大的收获。”陈韵如坦言，能坚持下来并非靠一个人的努力，而是靠各方实实在在的帮助，“我们在创业园的办公室只用交水电费、物业费，申办营业执照也有绿色通道，省了不少力”。

　　在成都开奶茶店这几年，每次回台湾，陈韵如都会向亲朋好友介绍大陆的真实情况。“通过我的奶茶生意，让大家了解真实的大陆。”在她看来，这样才能真正帮助到有想法的台湾年轻人，去找到真正适合发展的市场。

　　离兔年春节仅剩两天，随着周边饮品店进入“放假模式”，陈韵如的奶茶店生意越来越好，她也越来越忙碌。她开玩笑说，“地球不爆炸，我们不放假，要让更多成都人在春节喝到台湾奶茶。”

　　“新年我要先把成都的生意‘稳起’，未来也一定会再回重庆。”陈韵如说，兔年她还有新计划，“将农产品跟餐饮结合，把我们的产品带到乡村，利用乡村振兴的机会，做一个农民参与的创业项目”。(完)

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）